基于K-Means聚类算法的城市轨道交通站点分类及客流特征分析

文章立足于沈阳市轨道交通站点800 m范围内的人口分布、开发强度、公交接驳、路网长度分布、站点位置属性、站点客流数据等六大维度数据,采用K-Means聚类算法将城市轨道交通站点划分为居住型、商业商务型、综合开发型、产业型、交通枢纽型五大类;基于站点聚类成果,叠合多样化数据分析总结各类站点客流的普适性规律,可为后续站点周边基础设施完善、站点客流预测、车站运营组织方案做出指导。     

基于符号回归算法的地铁盾构刀盘扭矩预测研究

为了提高盾构机工作效率、降低施工成本,依托深圳地铁8号线某盾构区间段工程,基于符号回归(Symbolic Regression)算法,对不同掌子面的刀盘扭矩进行了预测。分析了推力、土仓压力以及贯入度变化及换刀对扭矩的影响。结果表明,贯入度增大会导致扭矩增加,但是土仓压力的增加可能会降低扭矩。扭矩模拟数学模型具有较高精度,模型中自变量变动引起因变量变化的趋势与现实情况一致。     

考虑对地航速和航向的船舶典型轨迹提取方法

基于船舶自动识别系统(Automatic Identification System, AIS)数据的船舶典型轨迹挖掘需要经过两个重要步骤，一是压缩 AIS 数据，二是聚类压缩后的 AIS 数据。传统的DP(DouglasPeucker)压缩算法，只考虑船舶轨迹的压缩形状，忽视了船舶航行中其他重要信息。为解决此问题，把对地航速和航向加入到DP算法的压缩过程中。在AIS轨迹聚类方面，传统谱聚类方法只对船舶轨迹的位置进行相似性度量，没有考虑船舶轨迹的其他维度，针对此问题，提出多属性轨迹相似性度量方法。由于不同的输入参数影响着最终的聚类质量，引入Calinski-Harabasz指标评价谱聚类算法，实现聚类参数的自适应选择。利用山东威海水域的实际AIS数据进行实例研究，并与传统谱聚类算法做比较实验。实验结果表明，利用该方法提取到的典型轨迹符合真实水域的交通情况，相较于传统谱聚类方法具有更高的聚类质量。     

公交惯常出行与随机出行的时空分布差异

差异化和精细化的公交服务要求城市管理者和公交运营者加深对公交出行变异性的认识。本文将公交惯常出行定义为乘客个体多次在同一时段或空间乘坐公交的行为，随机出行的定义与之相反。利用厦门市30天连续的常规公交数据，使用DBSCAN算法对出行天数在10天以上的高频乘客进行划分，用核心点来表征惯常出行，用非核心点来表征随机出行。结果表明有78.70%的出行在时间上具有稳定性，有72.32%的出行在空间上具有稳定性。研究结论凸显了公交高频乘客也具有随机出行，且随机出行的统计特征和时空分布与惯常出行有较大差异。研究结论可以应用于个体时空模式挖掘、乘客人群划分、定制公交线路制定、公交差异化服务设置等方面。     

基于特征熵权与样本加权的大跨桥梁多车道交通荷载聚类模型

为满足交通流荷载作用下大跨桥梁结构评估的需要，研究了基于荷载参数特征的交通流状态划分方法。首先，基于实测交通流数据，按照车道属性统计分析得到交通流的单位小时特征参数样本，选择单位小时内车型比例、车头间距及交通流速度作为交通流状态划分的参考特征；其次，改进经典k-means聚类算法以增强其对高维、复杂交通流荷载分类的鲁棒性，即通过引入特征熵值来表征各特征参数对聚类效果的重要性，同时计算样本点与周围样本点的接近程度来赋予样本点权值，以削弱样本离散性对聚类质量的不利影响；最后，通过聚类算法得到11种具有不同参数特征的交通流荷载，分析了其作用下某大跨斜拉桥拉索应力响应及造成的疲劳损伤。结果表明：改进算法的聚类质量指标比原始k-means算法提高了40%以上，对交通流状态划分具有良好的适用性；通过算法得到的不同类别的交通流荷载的特征参数差异性明显，其占有率也大不相同，同一类别的交通流荷载各样本特征参数聚拢效果良好；同车道内不同类别的交通流荷载的拉索等效应力差别较大，其变异系数均在0.2以上，尤其在考虑了不同交通流荷载模型的占有率后，这种差异性进一步增大。上述结果表明该交通流荷载聚类与模拟方法是有效、准确的，对相关大跨桥梁结构安全及耐久性评估有一定的参考价值。     

基于BIM和AI技术的铁路桥梁智能布跨研究

针对我国铁路桥梁占比高、标准构件应用范围广、孔跨布置作业繁重的特点，将建筑信息模型（BIM,Building Information Modeling）与人工智能（AI,Artificial Intelligence）技术相结合，进行桥梁智能布跨研究。文章根据桥梁布跨原则，基于信息集，选用Q-Learning算法对Bentley平台二次开发，形成了一套完整的可视化桥梁布跨方案。验证结果表明，该方案可应用于一般铁路桥梁设计中，并从设计层提高BIM数据应用深度与广度，提高桥梁布跨工作效率与质量。     

基于DSRC的车辆防追尾预警算法CSCD

为弥补传统防追尾预警算法在兼顾虚警率与及时性方面的不足,提出一种新的基于前方车辆的防追尾预警算法。利用专用短程通信技术(DSRC)实现车车之间的信息交互;通过安全车距预警模型计算临界安全车距,自车车载单元(OBU)利用自适应广播算法将安全情况信息发送给前车OBU;通过运用移动节点轨迹的生成工具(Vanet Mobi Sim)和面向对象的网络仿真器-2(NS2)进行联合仿真分析,以及主动安全系统开发工具Pre Scan与Matlab/Simulink进行联合仿真分析。结果表明:自适应广播算法的可行性和有效性得到验证;预警算法较好地解决了传统预警算法在虚警率和报警及时性方面的矛盾,这对发展与完善汽车防追尾预警系统具有重要意义。